Lunes 2 de noviembre de 2026 ·
HOS-VFL: aprendizaje federado para clasificar y segmentar tumores cerebrales sin compartir datos de pacientes
Los autores presentan HOS-VFL, un marco de aprendizaje federado que entrena modelos con imágenes de resonancia magnética de cinco instituciones simuladas sin que los datos salgan de cada centro. Sobre el conjunto BRISC2025 logra una precisión del 98,73 % en la clasificación de gliomas, meningiomas, tumores hipofisarios y casos sin tumor. La segmentación alcanza un Dice medio de 0,9147 y un IoU de 0,8423.
Qué significa
Permite entrenar modelos de diagnóstico de tumores cerebrales con datos de varios hospitales sin que las imágenes de los pacientes salgan de cada centro. Para llegar a la clínica, primero debe probarse con datos reales de varios centros.
Fuentes originales
Resumen de Hoy en IA. Pulsa una fuente para leer la noticia completa en su idioma original.
- Frontiers in Artificial Intelligence | New and Recent ArticlesLeer la noticia completa en Frontiers in Artificial Intelligence | New and Recent Articles
También ese día
Todas las noticias de IA del lunes 2 de noviembre de 2026 ->